Trikovi za AI intervju: Šta te pitaju u velikim firmama 2026.
Zašto tvoj CV iz 2024. ide direktno u digitalnu drobilicu
Prestani vjerovati LinkedIn guruima koji ti prodaju priču da je ‘prompt engineering’ neka magična vještina. To je laž. Ako u 2026. godini ne znaš kako AI model zapravo diše pod haubom, tvoj intervju će trajati kraće nego što ti treba da otvoriš laptop. Velike firme više ne traže ljude koji znaju kucati; traže one koji znaju popraviti sistem kad krene izbacivati smeće. Ti filteri koje korporacije koriste su brutalni. Ako tvoj CV za AI inženjera nema specifične tehničke markere, algoritam će te ispljunuti prije nego što ljudsko oko uopšte vidi tvoje ime. Moraš razumjeti mehaniku iza ekrana. Osjeti taj miris ozona iz server sale dok tvoj model žvače podatke. To je tvoj teren.
Sirova mehanika: Šta te zapravo pitaju dok ti se dlanovi znoje
Zaboravi opšta pitanja. Niko te neće pitati ‘Šta je AI?’. Pitati će te zašto tvoj model ima ‘gradient vanishing’ problem ili kako bi optimizovao top-p i nucleus sampling da izbjegneš halucinacije u realnom vremenu. To je kao da popravljaš stari dizel motor usred zime; moraš znati tačno koji ventil propušta. Ako ne znaš razliku između AI i deep learninga na nivou arhitekture, nemoj ni ulaziti u sobu. Intervjuista će te gurnuti u ćošak sa pitanjima o latenciji. Odgovori moraju biti brzi. Kratki. Britki. Kao udarac čekićem o nakovanj.
WARNING: Nikada ne dijeli pristupne ključeve (API keys) kompanije tokom ‘live coding’ testa na nesigurnim platformama. Hakeri često vrebaju juniorne kandidate da bi izvukli resurse. 120v struje u serveru nije ništa naspram pravnog pakla koji te čeka ako proliješ korporativne podatke.
Da li je stvarno potrebno znati matematiku u 2026?
Da. Kratko i jasno. Bez kalkulusa i linearne algebre, ti si samo korisnik tuđih alata, a ne majstor. Firme poput Google-a ili OpenAI-a će te testirati na tvojoj sposobnosti da razumiješ težinske faktore u neuronskoj mreži. To je hemija koda. Jedan pogrešan parametar i tvoj sistem postaje toksičan. Ako želiš postati AI inženjer bez diplome, tvoj portfolio mora vrištati iskustvom, a ne teorijom.
Anatomija katastrofe: Kako uništiti intervju u 30 sekundi
Vidio sam to stotinu puta. Kandidat uđe, pun sebe, i počne pričati o ‘viziji’. Onda ga pitam da mi objasni kako bi podesio AWS server za model koji treba opsluživati milion korisnika, i on se zaledi. To je trenutak kada čuješ kako ti karijera puca kao suha grana. Ako ne znaš rukovati infrastrukturom, ti si beskoristan. Praksa je sve. Slather na to znanje kao gusti sloj ljepila na drvo—mora biti čvrsto. Najveća greška? Korištenje generičkih odgovora koje si izvukao sa ChatGPT-a. Intervjueri u 2026. koriste detektore koji osjete ‘sterilni AI ton’ na kilometar. Budi grub. Budi realan.
Zašto tvoj model ‘glupavi’ (Physics of Regret)
Zamisli da gradiš kuću na živom pijesku. To je tvoj model ako mu je baza podataka loša. U AI svijetu, to zovemo ‘data drift’. Ako ne znaš objasniti kako detektovati kada tvoj model počne gubiti na preciznosti nakon mjesec dana na produkciji, ti nisi inženjer. Ti si samo prolaznik. Voda se širi kad se smrzne i puca cijevi; isto tako, novi podaci šire greške u tvom modelu dok ga potpuno ne razvale. Moraš imati plan za održavanje. Koristi tehnike privatnosti da zaštitiš integritet sistema. Ako to preskočiš, tvoj ‘pametni’ sistem će postati najskuplji uteg za papir u firmi.
Kako pobijediti AI filtere na video intervjuu?
Koriste algoritme za analizu tvojih mikro-ekspresija. Ako previše trepćeš ili ti glas podrhtava, sistem te markira kao ‘nesigurnog’. Trik? Fokusiraj se na kameru kao da je to tvoj omiljeni alat u radionici. Smireno. Tehnički. Govori o brojevima. Umjesto ‘unaprijedio sam sistem’, reci ‘smanjio sam potrošnju resursa za 22%’. To su podaci koji prolaze. Čak i ako si prompt inženjer, tvoji rezultati moraju biti mjerljivi u markama ili eurima, ne u pohvalama.
Materijali koje moraš nabaviti (Scavenger style)
Nemoj bacati pare na skupe kurseve od 2000 eura. Idi na GitHub. Nađi stare, napuštene projekte startupa koji su propali 2024. godine. Raščerupaj njihov kod. Vidi gdje su pogriješili. To je najbolje učenje. To je kao kad nađeš stari hrastov sto na otpadu i kreneš ga brusiti da vidiš strukturu. Usput, nauči kako da koristiš transfer learning da uštediš vrijeme i resurse. To je ‘hack’ koji profesionalci koriste dok se amateri pate sa treniranjem modela od nule. Budi pametan, ne samo vrijedan. Jam taj kod u svoju glavu dok ne postane instinkt.
